胡林林,賈俊松, 毛端謙, 劉春燕

(1. 江西師范大學(xué) 地理與環(huán)境學(xué)院, 南昌 330022；2. 江西師范大學(xué) 鄱陽湖濕地與流域研究教育部重點實驗室, 南昌 330022； 3. 江西師范大學(xué) 研究生院, 南昌 330022)

基于FAHP-TOPSIS法的我國省域低碳發(fā)展水平評價

胡林林1,2,3,賈俊松1,2, *, 毛端謙1,3, 劉春燕1,2

(1. 江西師范大學(xué) 地理與環(huán)境學(xué)院, 南昌 330022；2. 江西師范大學(xué) 鄱陽湖濕地與流域研究教育部重點實驗室, 南昌 330022； 3. 江西師范大學(xué) 研究生院, 南昌 330022)

在區(qū)分低碳經(jīng)濟與低碳發(fā)展的基礎(chǔ)上，構(gòu)建了一套低碳發(fā)展指標(biāo)體系，并采用整合的FAHP-TOPSIS法對我國30個省區(qū)進(jìn)行評價研究。結(jié)果表明：(1)該指標(biāo)體系是實用且有效的，可以成功的用來評價一個區(qū)域的低碳發(fā)展水平。(2)整合的FAHP-TOPSIS法引入了模糊數(shù)集，能有效處理專家評估過程中的模糊性，評估結(jié)果也符合實際。(3)2003年到2008年，上海低碳發(fā)展水平有所下降，下降率為1.91%；其余各省區(qū)均在增長，浙江增長最大，北京增長最小，兩者增長率分別為29.73%和0.38%。(4)北京一直擁有相對最高的低碳發(fā)展水平，而遼寧和江西一直分別處于第6和10位。寧夏、青海、甘肅、貴州及河南則一直依次處于低碳發(fā)展水平的倒數(shù)前5位，且位次不變。最后，分析了評估結(jié)果的合理性及不確定性并提出了一些提高省域低碳發(fā)展水平的可行途徑及未來可進(jìn)一步研究的方向。

FAHP-TOPSIS; 低碳發(fā)展水平; 省域; 評價

自2003年英國首次提出低碳經(jīng)濟(LCE)概念以來[1]，與低碳有關(guān)的研究開始大量出現(xiàn)，并形成了諸多不同的方向，低碳發(fā)展(LCD)就是其中之一。LCE是一種低消耗、低排放而高GDP輸出的經(jīng)濟形態(tài)[1]，而LCD目前還沒有國際統(tǒng)一的明確定義[2- 3]。另一方面，對LCD的研究多以某一單個省、市區(qū)為例，評價方法多為傳統(tǒng)的方法[4]。

據(jù)此，本文先深入分析LCD內(nèi)涵，構(gòu)建其指標(biāo)體系，再以我國30個省區(qū)為例，采用整合的FAHP-TOPSIS法對其進(jìn)行評價研究具有一定的創(chuàng)新意義，結(jié)果可供有關(guān)決策者參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

包括：1)終端能源消費量數(shù)據(jù)來自對應(yīng)年份的《中國能源統(tǒng)計年鑒》，單位全部轉(zhuǎn)化為標(biāo)準(zhǔn)煤。2)人口、城市化率及GDP數(shù)據(jù)則分別來自《中國人口統(tǒng)計年鑒》及《中國統(tǒng)計年鑒》。GDP數(shù)據(jù)統(tǒng)一采用2000年不變價折算。3)人文發(fā)展指數(shù)數(shù)據(jù)來自聯(lián)合國發(fā)展規(guī)劃署的《中國人類發(fā)展報告2009/10》及《中國人類發(fā)展報告2005—追求公平的人類發(fā)展》。4)森林覆蓋率數(shù)據(jù)來自《中國林業(yè)統(tǒng)計年鑒》。5)指標(biāo)權(quán)重原始數(shù)據(jù)來自問卷調(diào)查表。6)CO2排放數(shù)據(jù)來自文獻(xiàn)[5]。香港、澳門、臺灣及西藏因數(shù)據(jù)缺乏被省略。

1.2 指標(biāo)體系構(gòu)建

Yuan等[6]認(rèn)為LCD是在保證經(jīng)濟增長的前提下不斷降低溫室氣體(如CO2)排放的一種發(fā)展模式。戴星翼[7]認(rèn)為LCD的最大阻力來自于對經(jīng)濟增長的過度追求，應(yīng)摒棄GDP主義。Mulugetta等[2]認(rèn)為LCD根源于可持續(xù)發(fā)展，民眾參與也極其重要。Guan等[3]認(rèn)為有必要明確LCD概念并仔細(xì)解構(gòu)它。綜上，本文認(rèn)為LCD不過于強調(diào)GDP增長，而是依據(jù)碳排放現(xiàn)狀，分別從碳源、碳捕獲及人文發(fā)展等角度對其進(jìn)行調(diào)控，以促使其不斷降低的一種可持續(xù)發(fā)展模式。

(1) 碳排放現(xiàn)狀(CES)是反映一個區(qū)域是否處于LCD狀態(tài)的最直觀指標(biāo)。用碳排放總量(TAM)、人均碳排放量(QPC)、能源強度(EIN)和碳排放強度(CIN)來表示它，人均碳排放量為碳排放總量的人均值，能源強度指單位GDP產(chǎn)出所消耗的能源量，碳排放強度指單位GDP產(chǎn)出所放出的CO2[8]。上述4個指標(biāo)值越大，越不符合LCD模式，即它們與LCD關(guān)系均為負(fù)。早在朱守先等[9- 10]研究國內(nèi)LCD水平時，就選擇QPC、碳生產(chǎn)率及碳能源排放系數(shù)這3指標(biāo)，而碳生產(chǎn)率即為本文CIN倒數(shù)，碳能源排放系數(shù)是本文EIN與CIN兩指標(biāo)相比而得的一個指標(biāo)，可見，朱的3個指標(biāo)與本文這4個指標(biāo)本質(zhì)是一致的。之后，李福軍[11]、趙先超等[12]及朱臻等[13]延用了朱的指標(biāo)，吳彼愛等[4]則在朱的指標(biāo)上加了一個地均碳排放量指標(biāo)。

(2) 碳源控制水平 (CSCL) 指標(biāo)組用非化石能源消耗占比(PNF)、非煤炭能源消耗占比(PNC)以及可再生能源消耗占比(PRE)來表示。將PNC從PNF中分離出來作為一單獨指標(biāo)，是因為相對于等量單位的石油和天然氣，煤炭有著最高的二氧化碳排放量[8]。將PRE從PNF中分離出來是因為非化石能源與可再生能源不能完全等同。該組指標(biāo)值越高，越符合LCD模式，即它們與LCD關(guān)系為正。

(3) 碳捕獲能力(CCC)指吸收CO2的能力。碳捕獲與存儲 (CCS)技術(shù)是CCC的一個方面。然而，目前CCS數(shù)據(jù)獲取困難，故只采用森林覆蓋率 (PFC)反映該能力。區(qū)域PFC越高，其通過光合作用吸收CO2量就越多，就越符合LCD模式，即PFC與LCD關(guān)系為正。

(4) 人文發(fā)展水平用人文發(fā)展指數(shù)(HDI)表示，該指數(shù)由聯(lián)合國開發(fā)計劃署(UNDP)于1990年開始逐年發(fā)布[14]。它由長壽水平(預(yù)期壽命)、教育水平(成人識字率)和生活水平(人均GDP對數(shù))三方面指標(biāo)綜合而成，該指標(biāo)能揭示一個國家或區(qū)域社會整體的人文發(fā)展?fàn)顩r[14]。范定祥等[15]采用協(xié)整與格蘭杰因果檢驗發(fā)現(xiàn)，從長期看，降低我國碳排放強度能夠促進(jìn)其人文發(fā)展，而我國人文發(fā)展反過來也能推動其碳排放強度的降低。而碳排放強度越低，低碳發(fā)展水平越高?？梢?，提高我國人文發(fā)展水平，最終能促進(jìn)我國低碳發(fā)展水平的提高，即兩者關(guān)系為正。

(5) 城市化水平(UL)用城市化率(PUR)來表示，它是指非農(nóng)業(yè)人口占總?cè)丝诘谋壤?。Lehmann認(rèn)為一個緊湊的、交通便利的城市對于下降總體上的溫室氣體排放量有更大的潛力[16]。這說明城市化率越高，越有潛力實現(xiàn)LCD，即兩者關(guān)系為正。趙紅等[17]用協(xié)整模型，劉華軍等[18]用面板模型分析了我國城市化對二氧化碳排放的影響，結(jié)果也均證明了兩者關(guān)系為正。值得說明的是，有學(xué)者將LCE與LCD混合起來，構(gòu)建低碳經(jīng)濟(發(fā)展)指標(biāo)體系[19]，這與本文有著本質(zhì)區(qū)別。考慮到有學(xué)者主張LCD應(yīng)摒棄GDP主義[5]，故本文未對該GDP指標(biāo)及其結(jié)構(gòu)做深入分析。綜上所述，具體構(gòu)建的LCD水平指標(biāo)體系如表1所示。

表1 低碳發(fā)展水平指標(biāo)體系

1.3 評價方法說明

本文FAHP-TOPSIS法是先在傳統(tǒng)層次分析法(AHP)的基礎(chǔ)上,引入模糊集理論(Fuzzy set)，形成模糊層次分析法(FAHP)，用FAHP法去綜合不同專家的經(jīng)驗觀點，從而形成指標(biāo)體系的一個最終權(quán)重。然后，將該權(quán)重代入理想點模型(TOPSIS)中計算區(qū)域最終的LCD水平值。

1.3.1 FAHP

AHP是一種可將不同來源的知識連接起來綜合成一個有用的信息,并可根據(jù)該信息作決策的定量與定性相結(jié)合的方法[20]。知識的來源可以是經(jīng)驗或工程信息等[21]。當(dāng)專家的經(jīng)驗知識綜合成一個信息且該信息通過一致性檢驗[21]時，該信息可用。然而該方法不能完全反映人類思維方式[22]。人類思維的模糊性是決策制定過程中普遍存在的一種特征。如果制定決策不考慮這些模糊性的話，那么所得結(jié)果可能會是錯誤的[23]。

圖1 三角模糊數(shù)Fig.1 Triangular fuzzy number =(l,m,u)

模糊數(shù)集理論能很好的考慮這些模糊性，因而可在一定程度上解決該問題[24]。本文采用1983年由Van Laarhoven和Pedrcyz所創(chuàng)立的三角模糊數(shù)，該模糊數(shù)的數(shù)學(xué)表達(dá)式如式(1)所示，對應(yīng)的圖形意義如圖1所示[25]。

(1)

用下列4種方法來求解三角模糊數(shù)集獲得指標(biāo)權(quán)重：(1)傳統(tǒng)模糊程度值分析法,具體計算過程見文獻(xiàn)[23]。(2)樂觀指數(shù)法，其通過式(2)獲得模糊數(shù)程度值權(quán)重向量為:

(2)

式(2)中，i為評價指標(biāo)編號，α是一個樂觀指數(shù)，變化區(qū)間在[0, 1]。α值接近于0, 表示決策制定者悲觀，反之，近于1表決策者樂觀。本文按一般做法[26]將其值定為0.5。最終，通過式(3)，獲得標(biāo)準(zhǔn)化權(quán)重向量W=(w1,w2,…,w3)T：

(3)

式(3)中，k為專家數(shù)編號，后兩種方法標(biāo)準(zhǔn)化向量的過程與之類似，故不再贅述。

(4)

(4)α截角法。其計算公式為：

αLeft=α× (m-l) +l

(5)

αRight=u-α× (u-m)

(6)

Ci=λ× (αRight)i+ (1-λ) × (αLeft)i

(7)

式中，這里α與上文α不同。根據(jù)Pan建議[28], 這里α固定取值為0.7，λ固定取值為0.8。Ci即為權(quán)重向量。上述4種方法計算得到的結(jié)果根據(jù)實際情況進(jìn)行取舍，明顯不符合實際的結(jié)果需舍棄。

1.3.2 TOPSIS

TOPSIS由Hwang 和Yoon于1981年首次提出[29]。該方法認(rèn)為一個函數(shù)的最優(yōu)解應(yīng)在最接近于正理想點并且最遠(yuǎn)離負(fù)理想點的那個點，其計算所得標(biāo)準(zhǔn)化決策矩陣rij與FAHP計算所得LCD水平指標(biāo)權(quán)重wi相乘，便得加權(quán)標(biāo)準(zhǔn)化決策矩陣vij[30]：

vij=wi×rijj=1,2,…，l

(8)

(9)

2 結(jié)果與分析

2.1 指標(biāo)權(quán)重

專家評估的口語化答案可分為極端、強烈、明顯、稍微及同等重要幾個級別以及它們中間的一些級別，如表2所示。首先把這些專家返回的口語化答卷，按照表2所示的模糊數(shù)轉(zhuǎn)化規(guī)則轉(zhuǎn)化為三角模糊數(shù)矩陣，再對這些三角模糊數(shù)矩陣逐一進(jìn)行一致性檢驗[31]。RI為平均隨機一致性指標(biāo)，當(dāng)n=1,2,…,9時，RI分別為0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45。CI為檢測出來的一致性值，CR表示CI與RI的比值。只有CR小于0.1時，評價結(jié)果才可接受，即通過。通過了檢驗的答卷才被認(rèn)為是有效答卷，否則是無效答卷，需舍棄[31]。具體發(fā)放的問卷調(diào)查表有103份，被調(diào)查專家來自一些著名高校和科研院所，如北京大學(xué)、清華大學(xué)及中國科學(xué)院等，其中，收回的完整答卷有81份，而最后通過一致性檢驗并被認(rèn)為是有效答卷的有17份。

表2 口語化變量及其對應(yīng)的三角模糊數(shù)

然后，對有效答卷的專家觀點進(jìn)行綜合，綜合后的結(jié)果需再次進(jìn)行模糊一致性檢驗。以二級評價層為例，綜合后的專家觀點三角模糊數(shù)矩陣如表3所示，從該矩陣模糊一致性檢驗的結(jié)果可以看出，其CR值為0.0034，小于0.1，說明其通過了檢驗[31]，可用其繼續(xù)進(jìn)行下一步運算。

表3 綜合的專家觀點三角模糊數(shù)矩陣(二級評價層)

模糊一致性檢驗: CI=0.0038, RI=1.119, CR=0.0034lt;0.1

層次指標(biāo)權(quán)重確定。采用4種方法計算指標(biāo)體系各層級權(quán)重，第二層級權(quán)重結(jié)果如表4所示。從中可看出，傳統(tǒng)程度值分析法的CSCL和CCC權(quán)重均為0，這表明：碳源控制水平指標(biāo)及碳捕獲能力指標(biāo)與LCD水平指標(biāo)之間不存在關(guān)系，這是不符合事實的，故應(yīng)舍棄。其余3種方法所得結(jié)果均可接受，取這3種結(jié)果的平均值，作為二級評價指標(biāo)的最終權(quán)重，即表4第6列。

全局指標(biāo)權(quán)重確定。以上過程所得的層次指標(biāo)權(quán)重需要全部轉(zhuǎn)化為全局權(quán)重。以TAM指標(biāo)為例，它所在的三級層次權(quán)重為0.309，而其所在的二級指標(biāo)層CES所對應(yīng)的層次權(quán)重為0.233，因而，TAM指標(biāo)的全局權(quán)重可按以下方法計算得出：0.309×0.233=0.072。表5為所得全局指標(biāo)權(quán)重結(jié)果。

2.2 低碳發(fā)展水平時間動態(tài)

將上述指標(biāo)的全局權(quán)重結(jié)果代入TOPSIS模型，可獲得各省市區(qū)的LCD水平結(jié)果(表6)。從表6可以看出，寧夏、青海、甘肅、貴州及河南5個省區(qū)一直處于LCD水平的倒數(shù)前5名。寧夏在最末位，2003年的LCD水平值只有0.226，2008年增長到0.236，增長量為0.01，增長率為4.38%(表6)。河南、貴州、甘肅及青海在2003年的LCD水平值分別為0.482、0.468、0.445及0.440，2008年分別增長到0.556、0.553、0.509及0.487，增長量分別為0.074、0.085、0.065及0.047，增長率分別為15.35%、18.13%、14.58%及10.78%(表6)，但仍然處于倒數(shù)第5、4、3及2位。

表4 二級指標(biāo)體系權(quán)重的4種結(jié)果比較與選擇

表5 指標(biāo)系統(tǒng)權(quán)重

2003年LCD水平前10名內(nèi)省區(qū)在2008年排名仍處在前10名內(nèi)，如北京、遼寧與江西在2003年及2008年的LCD水平排名均保持在順數(shù)第1、6及10位(表6)，但其他7個省區(qū)(浙江、廣東、福建、黑龍江、吉林、上海及天津)位次有所變化 (表6)。此外，其余15個省區(qū)的LCD水平的位次變化規(guī)律不明顯(表6)。

表6 各省區(qū)低碳發(fā)展水平結(jié)果和變化

括號內(nèi)的數(shù)字表示它們的LCD水平排序，黑體表示排序無變化，黑斜體表示它們的增長量和增長率表現(xiàn)極端

變化趨勢與幅度方面：大體上，只有上海呈現(xiàn)稍微下降的趨勢，下降約0.013，下降率為1.91%(表6)。其余各省區(qū)的LCD水平都在增長，浙江增長量和增長率均最大，分別為0.17和29.73%， 因而浙江的LCD水平位次迅速從第9名上升到第2名(表6)。北京的LCD水平增長量和增長率均最小，分別為0.003和0.38%，幾乎可以忽略，但由于北京在2003年的LCD水平本身就最高，因而其仍可在2008年保持第1名的位置(表6)。

2.3 低碳發(fā)展水平空間動態(tài)

為分析方便，將LCD水平值小于0.5的階段稱為極低階段，大于等于0.5并小于0.6的階段稱為低階段，大于等于0.6并小于0.7的階段稱為中階段，LCD水平值大于等于0.7的階段稱為較高階段，按此方法可將各省區(qū)LCD水平劃分為4類，具體結(jié)果如圖2所示。

圖2 低碳發(fā)展水平空間動態(tài)變化(此圖引自http://www.webmap.cn/mapDir.php)Fig.2 The spatial change of the LCD

從圖2可看出，寧夏和青海的LCD水平值總是處于極低階段，新疆、河北、內(nèi)蒙古、山東與江蘇總是處于低階段，天津、上海、吉林與遼寧總是處于中階段，而北京LCD水平總處于較高階段。甘肅、山西、河南與貴州的LCD水平在2003年處于極低階段，但到2008年有所增長而進(jìn)入了低階段。同樣地，江西、海南、湖南、重慶、廣西、湖北、陜西、云南、四川與安徽在2003年處于LCD水平的低階段，但在2008年有所增長進(jìn)入了中階段；黑龍江、福建與廣東在2003年處于LCD水平的中階段，但在2008年有所增長進(jìn)入了較高階段；浙江由于增長量最大，由2003年的低階段越過中級段直接進(jìn)入LCD水平的較高階段。

對比其中極其典型的幾個區(qū)域(北京、青海、寧夏、浙江和上海，它們原始數(shù)據(jù)見表7)，可發(fā)現(xiàn)：本文評價結(jié)果是符合客觀事實情況的，因而是合理的。如，北京LCD水平總最大，寧夏和青海LCD水平總是倒數(shù)第1和2位(表6)。而從它們原始指標(biāo)數(shù)據(jù)表7也可看出：北京EIN及CIN極低，在0.5—1.4之間；而寧夏和青海的EIN及CIN則很高，分別在3—10及7—33之間(表7)。這表明北京能源消費效率較高，能源利用技術(shù)水平相對更節(jié)能，因而更符合LCD模式。其次，北京森林覆蓋率(PFC)及城市化率(PUR)分別在18%—22%及72%—85%之間，遠(yuǎn)高于寧夏和青海的PFC及PUR(表7)，而這兩個指標(biāo)值越高，表明區(qū)域越符合LCD模式。還有，北京可再生能源占比(PRE)及人文發(fā)展水平(HDI)也比寧夏和青海的值更高(表7)，這進(jìn)一步表明北京更符合LCD模式?？梢?，指標(biāo)原始數(shù)據(jù)反映出的實際結(jié)果與本文評價結(jié)果一致，不同的是評價結(jié)果更精確。

再如，浙江的LCD水平增長最快而北京最慢。而從原始數(shù)據(jù)表7也可很容易地看出他們增長的快慢：浙江的碳排放總量(TAM)及人均碳排放量(QPC)雖然從2003年到2008年有所增長，但由于其經(jīng)濟增速更快，使得其能源強度(EIN)和碳強度(CIN)反而有所下降，這前4個指標(biāo)對提升浙江的LCD水平具有相互抵消的作用。這一點，北京與浙江類似(表7)。而后6個指標(biāo)兩區(qū)增長程度則不同，浙江可再生能源占比(PRE)及城市化率(PUR)分別從2003年的0.015及25.43%增長到2008年的0.034及57.60%，增長達(dá)2.267與2.265倍；而北京后6個指標(biāo)的增長均不大。

表7 典型省區(qū)原始指標(biāo)數(shù)據(jù)

上述這些對結(jié)果的分析表明，采用本文方法進(jìn)行LCD評價所得的結(jié)果是符合實際且合理的。表7最后顯示上海碳排放總量有所增加且森林覆蓋率有所降低，而其也是唯一LCD水平有所下降的區(qū)域，這也是符合實際情況的，因為一個區(qū)域的碳排放總量增加必然導(dǎo)致其LCD水平下降的，同樣，森林覆蓋率降低，吸收CO2的能力變?nèi)酰脖厝粚?dǎo)致其LCD水平下降。

3 結(jié)論與討論

3.1 結(jié)論

(1)本文構(gòu)建的LCD水平評價指標(biāo)系統(tǒng)，其中，包含5個二級指標(biāo)和10個三級指標(biāo)，是一套非常實用有效且可靠的分析工具，可以成功地幫助人們分析區(qū)域LCD狀態(tài)。

(2)整合的FAHP-TOPSIS法是先在AHP的基礎(chǔ)上，引入模糊數(shù)集理論，形成FAHP法，再將FAHP法與TOPSIS法連接起來使用而形成，該方法能有效處理專家評估時的模糊性，因而具有一定的優(yōu)越性和更強的適用性。對結(jié)果的分析也證明了該方法評估結(jié)果的合理性。因而該方法值得推廣。

(3)2003年到2008年，上海LCD水平有所下降，下降率為1.91%；其余各省區(qū)均在增長，浙江增長最大，北京增長最小，兩者增長率分別為29.73%和0.38%。

(4)北京一直擁有相對最高的LCD水平，而遼寧和江西一直分別處于第6和10位。總體上來講，2003年LCD水平排在前10位的省區(qū)在2008年也在前10位，只是除上述的北京、遼寧和江西3省區(qū)位次保持不變外，其余7省區(qū)(浙江、廣東、福建、黑龍江、吉林、上海及天津)的位次有所變動。而寧夏、青海、甘肅、貴州及河南的LCD水平一直處于倒數(shù)第1、2、3、4及5位，且位次不變。剩余15省區(qū)的LCD水平的變化規(guī)律不明顯。

3.2 討論

“北京LCD水平高而寧夏低”與“北京能源消費效率、森林覆蓋率、城市化率及可再生能源占比等指標(biāo)高于寧夏的事實”是一致的，表明要提高區(qū)域的LCD水平，有必要：第一、制定相關(guān)節(jié)能技術(shù)改造的機制和措施，加強措施的執(zhí)行力度，從而提高區(qū)域能耗效率；第二、繼續(xù)加強植樹造林，提高區(qū)域森林覆蓋率；第三、積極響應(yīng)國家“十二五”相關(guān)規(guī)劃的號召，建設(shè)緊湊型城市及布局科學(xué)合理的新型城鎮(zhèn)，進(jìn)而提高城鎮(zhèn)化率；第四、充分開發(fā)利用區(qū)域的可再生能源，如風(fēng)能、太陽能、地?zé)崮堋⑿∷娔?、生物質(zhì)能及垃圾利用發(fā)電，等?！吧虾CD水平有所下降” 與“上海碳排放總量有所增加的事實”也是一致的，表明：要提高區(qū)域LCD水平，還需實行碳排放總量控制及各省區(qū)配額分配與交易等制度，以從市場經(jīng)濟角度減少能耗的浪費，降低碳排放。

值得說明的是，按0.5、0.6及0.7劃分的各省區(qū)LCD水平所處的階段是相對的，如，北京LCD水平處于較高階段，并不表明北京發(fā)展模式已屬于LCD模式，而是僅僅表明相對其他省區(qū)來講，其更符合LCD模式。事實上，我國各省區(qū)發(fā)展均需積極向LCD模式轉(zhuǎn)型。其次，盡管有研究表明城市化水平與LCD水平關(guān)系為正[12- 13]，但它們之間也可能存在非線性關(guān)系或因階段變化而出現(xiàn)正負(fù)交替變化的關(guān)系；盡管有研究認(rèn)為LCD應(yīng)摒棄GDP主義[5]，但GDP結(jié)構(gòu)也可能在一定程度上反映LCD狀況，而本文未對其考慮；盡管有研究認(rèn)為我國人文發(fā)展水平與LCD水平關(guān)系為正[15]，但兩者關(guān)系可能會因發(fā)展階段變化而變化。所有這些都會對本文結(jié)論帶來不確定性(偏差)，這需要在以后的研究中加以改進(jìn)，如引入GDP結(jié)構(gòu)指標(biāo)，考慮指標(biāo)間的非線性關(guān)系、指標(biāo)關(guān)系的階段變化性等。第三，碳捕獲能力(CCC)指標(biāo)中，只考慮了森林覆蓋率(PFC)指標(biāo)，而忽視了灌木林、草地等植被的碳捕集能力及區(qū)域CCS等技術(shù)應(yīng)用情況；其他因素(如工業(yè)技術(shù)等)也可能影響碳排放及LCD，而本文未對其進(jìn)行考慮。所有這些也都會對本文結(jié)論帶來不確定性(偏差)，因而，在未來的研究中應(yīng)選擇合適的指標(biāo)反映它們，只要這些指標(biāo)的數(shù)據(jù)可獲得，就可把它們引入進(jìn)來完善本研究。第四，問卷調(diào)查時，經(jīng)檢驗有效答卷17份，數(shù)量有些偏少，這一定程度上會增加本文結(jié)果的不確定性(偏差)，削減結(jié)論的合理性，因而，將來應(yīng)從更大范圍內(nèi)選擇更多的專家，獲取更多的有效答卷來彌補該不足。

[1] Department of Trade and Industry (DTI). Energy White Paper: Our Energy Future-Creating a Low Carbon Economy. London: DTI, 2003.

[2] Mulugetta Y, Urban F. Deliberating on low carbon development. Energy Policy, 2010, 38(12): 7546- 7549.

[3] Guan D, Barker T. Low-carbon development in the least developed region: a case study of Guangyuan, Sichuan province, southwest China. Natural Hazards, 2012, 62(2): 243- 254.

[4] Wu B A, Gao J H. On levels of low-carbon development and potentials of six provinces of central China. Resources and Environment in the Yangtze Basin, 2010, 19(2):14- 19.

[5] Lei M, Guo J, Chai J, Zhang Z K. China′s regional CO2emissions: Characteristics, inter-regional transfer and emission reduction policies. Energy Policy, 2011, 39: 6136- 6144.

[6] Yuan H, Zhou P, Zhou D Q. What is low-carbon development? A conceptual analysis. Energy Procedia, 2011,5:1706- 1712.

[7] Dai X J. Low-carbon development: position of international metropolis: a case study of Shanghai. Exploration and Free Views, 2011, (6):57- 60.

[8] Fu J F, Zhuang G Y, Gao Q X. Conceptual identification and evaluation index system for low carbon economy. China Population Resources and Environment, 2010, 20(8):38- 43.

[9] Zhu S X. On levels of urban low carbon economy and analysis of the potentials. China Opening Herald, 2009, (4):10- 13.

[10] Zhu S X. A comparison of the low carbon growth amongst countries. China Opening Herald, 2010, (6): 44- 47.

[11] Li F J, Zhong C C. Analysis of low carbon development (LCD) level and the potential in Heilongjiang, China. Heilongjiang Finance, 2010, (5): 23- 25.

[12] Zhao X C, Zhou Y Y, Lu P. An empirical research on urban low-carbon development and carbon emissions of key areas—Tianjin-based case analysis. Journal of Hunan University of Technology, 2011, 25(4):81- 85.

[13] Zhu Z, Huang M, Shen Y Q. Analysis on measure and comparison of low carbon level in Zhejiang. Ecological Economy, 2011,(2):29- 33.

[14] Pan J H. A conceptual framework for understanding Human Development potential-With empirical analysis of global demand for carbon emissions. Social Sciences in China, 2002, 10(6): 15- 26.

[15] Fan D X, OU S H. Carbon Intensity Control and Human Development: Based on an Empirical Analysis of China. Ecological Economy, 2012,(2):63- 66.

[16] Lehmann S. Low-to-no carbon city: Lessons from western urban projects for the rapid transformation of Shanghai. Habitat International, 2013, 37: 61- 69.

[17] Zhao H, Chen Y M. Research on relationship between urbanization process and carbon emission reduction in China. China Soft Science, 2013, 27(3): 184- 192.

[18] Liu H J. The influence of urbanization on carbon dioxide emissions: An empirical evidence from China. Shanghai Journal of Economics, 2012, (5): 24- 35.

[19] Zhu Y Z, Zhou S H, Yuan N Y. To develop low carbon economy for slowing down climate change-Low carbon economy and its evaluation index. China′s National Conditions and Strength, 2009, (12):4- 6.

[20] Saaty T L. The analytic hierarchy process. New York: McGraw-Hill, 1980.

[21] Saaty T L, Vargas L G. The analytic hierarchy process series. University of Pittsburg, 1990.

[22] Kahraman C, Cebeci U, Ulukan Z. Multi-criteria supplier selection using fuzzy AHP. Logistics Information Management, 2003, 16(6): 382- 394.

[23] Naghadehi M Z, Mikaeil R, Ataei M. The application of fuzzy analytic hierarchy process (FAHP) approach to selection of optimum underground mining method for Jajarm Bauxite Mine, Iran. Expert Systems with Applications, 2009, 36(5): 8218- 8226.

[24] Ertugrul I, Tus A. Interactive fuzzy linear programming and an application sample at a textile firm. Fuzzy Optimization and Decision Making, 2007, 6: 29- 49.

[25] van Laarhoven P J M, Pedrcyz W. A fuzzy extension of Saaty′s priority theory. Fuzzy Sets and Systems, 1983, 11: 229- 241.

[26] Sen C G, Cinar G. Evaluation and pre-allocation of operators with multiple skills: A combined fuzzy AHP and max-min approach. Expert Systems with Applications, 2010, 37(3): 2043- 2053.

[27] Vahidnia M H, Alesheikh A A, Alimohammadi A. Hospital site selection using fuzzy AHP and its derivatives. Journal of Environmental Management, 2009, 90: 3048- 3056.

[28] Pan N F. Fuzzy AHP approach for selecting the suitable bridge construction method. Automation in Construction, 2008, 17: 958- 965.

[29] Hwang C L, Yoon K. Multiple attribute decision making—Methods and applications. Heidelberg: Springer-Verlag, 1981.

[30] Gumus A T. Evaluation of hazardous waste transportation firms by using a two step fuzzy-AHP and TOPSIS methodology. Expert Systems with Applications, 2009, 36(2): 4067- 4074.

[31] Lin H F. An application of fuzzy AHP for evaluating course website quality. Computers amp; Education, 2010, 54(4): 877- 888.

參考文獻(xiàn):

[4] 吳彼愛,高建華.中部六省低碳發(fā)展水平測度及發(fā)展?jié)摿Ψ治? 長江流域資源與環(huán)境,2010,19(2):14- 19.

[7] 戴星翼.低碳發(fā)展:國際大都市的定位——以上海為例.探索與爭鳴, 2011, (6):57- 60.

[8] 付加鋒,莊貴陽,高慶先.低碳經(jīng)濟的概念辨識及評價指標(biāo)體系構(gòu)建. 中國人口·資源與環(huán)境,2010,20(8):38- 43.

[9] 朱守先. 城市低碳發(fā)展水平及潛力比較分析. 開放導(dǎo)報,2009,(4):10- 13.

[10] 朱守先. 世界各國低碳發(fā)展水平比較分析. 開放導(dǎo)報,2010,(6):44- 47.

[11] 李福軍,鐘成春.黑龍江省低碳發(fā)展水平及潛力分析. 黑龍江金融,2010,(5):23- 25.

[12] 趙先超,周躍云,蘆鵬. 城市低碳發(fā)展水平及關(guān)鍵領(lǐng)域碳排放實證研究——基于天津市的案例分析. 湖南工業(yè)大學(xué)學(xué)報,2011,25(4):81- 85.

[13] 朱臻,黃敏,沈月琴. 浙江省低碳發(fā)展水平測度和比較分析. 生態(tài)經(jīng)濟,2011,(2):29- 33.

[14] 潘家華. 人文發(fā)展分析的概念構(gòu)架與經(jīng)驗數(shù)據(jù)——以對碳排放空間的需求為例.中國社會科學(xué), 2002, 18(6): 15- 26.

[15] 范定祥,歐紹華. 碳排放強度控制與人文發(fā)展:基于中國的實證分析. 生態(tài)經(jīng)濟, 2012,(2):63- 66.

[17] 趙紅,陳雨蒙. 我國城市化進(jìn)程與減少碳排放的關(guān)系研究.中國軟科學(xué),2013,27(3):184- 192.

[18] 劉華軍. 城市化對二氧化碳排放的影響.上海經(jīng)濟研究, 2012,(5):24- 35.

[19] 朱有志,周少華,袁男優(yōu).發(fā)展低碳經(jīng)濟,應(yīng)對氣候變化——低碳經(jīng)濟及其評價指標(biāo). 中國國情國力, 2009, (12): 4- 6.

Studyonthelevels′evaluationofprovinciallow-carbondevelopmentinChinabasedontheFAHP-TOPSISmethod

HU Linlin1,2,3, JIA Junsong1,2,*, MAO Duanqian1,3, LIU Chunyan1,2

1Schoolofgeographyandenvironment,Jiangxinormaluniversity,Nanchang330022,China2KeyLaboratoryofPoyangLakeWetlandandWatershedResearch,MinistryofEducation,Jiangxinormaluniversity,Nanchang330022,China3Schoolofgraduate,Jiangxinormaluniversity,Nanchang330022,China

Since the low-carbon economy (LCE) was, firstly, brought out by the Department of Trade and Industry (DTI) in UK in 2003, the issues related to the concept of low carbon (LC) have attracted more and more attentions at home and abroad. The low-carbon development (LCD) is one of the hottest issues in the academic circles. However, people remain to have some controversial viewpoints on this topic of LCD up to now. For example, some people think the LCD should guarantee the growth of Gross Domestic Product (GDP), but some others think the LCD could leave it out. Therefore, in this paper, the two concepts of LCE and LCD were, at the first step, distinguished based on some published literature. Then, according to the distinguished result above, the indicators′ system for evaluating the LCD levels of different regions was constructed, which contains 5 second-layer′s indicators and 10 third-layer′s indicators. As the unavailability of data, some provinces were omitted, and there were 30 provinces altogether were taken into the numerical case. In the empirical research process, a two-step methodology of combining the Fuzzy Analytic Hierarchy Process (FAHP) with the Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) method is proposed. The FAHP was, firstly, used to compute the indicators′ weights of the 30 provinces′ LCD levels, and then the TOPSIS method used these weights as its own input weights to complete the whole calculation process. The results show that: (1) the index system is a very practical and effective evaluation tool. It can successfully help people to evaluate the LCD level of a region. (2) The integrated FAHP-TOPSIS method can effectively deal with the fuzziness, which was coming from the process of expert′s assessment, because the fuzzy number′ set was drawn into it. The results acquired are reasonable and consistent with the reality, which further prove the reliability of the method itself. (3) From 2003 to 2008, the LCD level of Shanghai has a slightly decreasing change. The percentage of the decline is 1.91%. All the rest 29 provinces have the increasing trend. Among them, Zhejiang has the largest growth, and Beijing has the least growth. The increasing percentages of the two regions are 29.73% and 0.38%, respectively. (4) Overall, the top 10 provinces of the LCD level in 2003 are still in the top 10 positions in 2008. Among the ten, Beijing has always had the highest LCD level relatively, while Liaoning and Jiangxi have kept at the 6th and 10th positions, respectively, but the rankings of the other seven provinces are changed from 2003 to 2008. However, the LCD levels of Ningxia, Qinghai, Gansu, Guizhou and Henan have been successively in the reciprocal five positions, and their rankings are unchanged. Finally, the rationality and uncertainty of the results by using the FAHP-TOPSIS method were analyzed. Some feasible directions for future studies are put forward, and some preferable policy suggestions to improve the provincial LCD level were proposed. These advices contain: strengthen the transformation of energy-saving technology; increase the proportion of renewable-energy consumption; accelerate the construction of the new urbanization and the compact city; implement the system of carbon emissions′ total amount control, quota allocation and trading; extend an existing reforestation program, and so on.

FAHP-TOPSIS; LCD level; provinces; evaluation

國家自然科學(xué)基金項目(41001383)、江西師范大學(xué)博士啟動基金項目(4581)、中國博士后科學(xué)基金特別項目(201003158)

2013- 05- 12;

2013- 08- 18

*通訊作者Corresponding author.E-mail: jiaaniu@126.com

10.5846/stxb201305121027

胡林林,賈俊松, 毛端謙, 劉春燕.基于FAHP-TOPSIS法的我國省域低碳發(fā)展水平評價.生態(tài)學(xué)報,2013,33(20):6652- 6661.

Hu L L, Jia J S, Mao D Q, Liu C Y.Study on the levels′ evaluation of provincial low-carbon development in China based on the FAHP-TOPSIS method.Acta Ecologica Sinica,2013,33(20):6652- 6661.